Разработка методов анализа причин и устранения несоответствий в менеджменте качества продукции тема диссертации и автореферата по ВАК РФ 05.02.23, кандидат технических наук Ешин, Семен Васильевич

• Ешин, Семен Васильевич
• кандидат технических наук
• 2012

Оглавление диссертации кандидат технических наук Ешин, Семен Васильевич

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ ЗАДАЧИ МОДЕЛИРОВАНИЯ ПРИЧИН И УСТРАНЕНИЯ НЕСООТВЕТСТВИЙ В МЕНЕДЖМЕНТЕ КАЧЕСТВА ПРОДУКЦИИ.

1.1. Основные положения международных и национальных стандартов по вопросам выявления, анализа и диагностирования несоответствий, дефектов и отказов, их причин и последствий.

1.2. Инструменты и методы выявления и анализа причин несоответствий в современном менеджменте качества.

1.2.1. Методология анализа корневых причин проблемы.

1.2.2. Другие методы анализа причинно-следственных связей.

1.3. Инструменты и методы анализа причин и последствий дефектов и отказов в теории надежности и технической диагностике.

1.4. Причинный анализ и исследование влияния факторов в эконометрике и статистике.

1.5. Вероятностная концепция причинности.

1.6. Вероятностные графические модели в статистике и искусственном интеллекте как инструмент анализа и моделирования причин событий.

1.7. Обоснование целесообразности применения Байесовых сетей для анализа и моделирования причин несоответствий в менеджменте качества продукции.

1.8. Выводы по главе 1.

1.9. Постановка цели и задач диссертационного исследования.

ГЛАВА 2. МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ ПРОВЕДЕНИЯ ИССЛЕДОВАНИЙ.

2.1. Теоретические основы аппарата Байесовских сетей.

2.1.1. Байесовский подход к пониманию вероятности.

2.1.2. Случайные переменные и условная независимость.

2.2. Вероятностный аппарат Байесовых сетей.

2.2.1. Формальное определение Байесовой сети.

2.2.2. Основные задачи, решаемые с помощью Байесовых сетей.

2.3. Причинные Байесовы сети.

2.4. Элементы теории и критерии принятия решений в условиях вероятностной неопределенности (риска).

2.4.1. Отношения предпочтения.

2.4.2. Критерий ожидаемой полезности.

2.5. Выводы по главе 2.

2.6. Схема проведения диссертационного исследования.

ГЛАВА 3. РАЗРАБОТКА МЕТОДОВ АНАЛИЗА ПРИЧИН И УСТРАНЕНИЯ НЕСООТВЕТСТВИЙ В МЕНЕДЖМЕНТЕ КАЧЕСТВА ПРОДУКЦИИ.

3.1. Разработка экспертно-статистического метода моделирования и анализа причин несоответствий в менеджменте качества продукции (МКП) на основе применения Байесовской сети.

3.1.1. Основные допущения.

3.1.2. Экспертно-статистический метод моделирования и анализа причин несоответствий в МКП на основе применения Байесовской сети.

3.2. Основные задачи автоматизированного анализа причин несоответствий, решаемые с помощью Байесовой сетевой модели.

3.3. Разработка методов принятия решений по выбору корректирующих и предупреждающих действий в менеджменте качества продукции.

3.3.1. Математическая формулировка понятий «коррекция», «корректирующее» и «предупреждающее действие» на основе аппарата причинных

Байесовых сетей.

3.3.2. Постановка задачи принятия решения по выбору коррекций, корректирующих и предупреждающих действий и определение методов ее решения.

3.4. Разработка метода оптимизации корректирующих и предупреждающих действий.

Выводы по главе 3.

ГЛАВА 4. РАЗРАБОТКА ПРОГРАММНОЙ СИСТЕМЫ МОДЕЛИРОВАНИЯ И АНАЛИЗА ПРИЧИН

НЕСООТВЕТСТВИЙ.

4.1. Разработка программной системы вероятностного моделирования и анализа причин несоответствий «Causal Modeler».

4.1.1. Функциональные требования к программной системе.

4.1.2. Описание архитектуры программной системы.

4.1.3. Описание возможностей программной системы «Causal Modeler».

4.2. Моделирование процесса создания системы менеджмента качества.

4.2.1. Постановка задачи.

4.2.2. Схема процесса создания и внедрения системы менеджмента качества.

4.2.3. Построение модели процесса создания СМК.

4.2.4. Проверка адекватности модели.

4.2.5. Оптимизация предупреждающих действий процесса создания СМК.

Выводы по главе 4.

ГЛАВА 5. ОПЫТНАЯ ПРОВЕРКА И ВНЕДРЕНИЕ РЕЗУЛЬТАТОВ ДИССЕРТАЦИОННОГО ИССЛЕДОВАНИЯ.

5.1. Вероятностное моделирование и анализ причин дефектов электрических соединителей.

5.1.1. Описание объекта исследования.

5.1.2. Сбор и анализ информации о видах дефектов.

5.1.3. Выявление причин дефектов изоляторов.

5.1.4. Построение Байесовой сети для анализа причин дефектов изоляторов.

5.1.5. Проверка адекватности модели.

5.1.6. Проведение автоматизированной диагностики причин дефекта.

5.1.7. Выбор наилучшего корректирующего действия с помощью разработанной модели.

5.2. Оценка экономической эффективности от внедрения результатов диссертационного исследования.

5.3. Разработка рекомендаций по улучшению качества продукции.

Выводы по главе 5.

Введение диссертации (часть автореферата) на тему «Разработка методов анализа причин и устранения несоответствий в менеджменте качества продукции»

Актуальность темы. Предупреждение, поиск и диагностика несоответствий продукции и процессов, их причин и последствий всегда были и остаются одними из актуальных и в то же время достаточно сложных задач, с которыми приходится сталкиваться при производстве продукции. В менеджменте качества продукции для анализа и устранения причин несоответствий в основном применяются экспертные процедуры: причинно-следственные диаграммы (Исикавы), диаграммы связей, методология БМЕА и другие. Совокупность этих методов получила название анализа корневых причин, общая идея которого заключается в систематическом поиске и устранении корневых (системных) причин возникающих проблем и несоответствий. Большинство из них могут быть охарактеризованы как субъективные методы структурирования и наглядного анализа экспертной информации о причинах событий, вследствие чего субъективность суждений и информации является их отличительной чертой. Кроме того, ни один из приведенных инструментов не позволяет в автоматизированном режиме проводить диагностику и прогнозирование несоответствий.

В последнее время в исследованиях в области искусственного интеллекта стали применять новый математический инструмент решения подобных задач — причинные Байесовские сети (БС) — вероятностные графические модели, предназначенные для хранения информации о причинно-следственных связях и проведения вероятностных причинно-следственных рассуждений. Хотя БС применяются достаточно широко (машинное обучение, распознавание естественного языка, медицинская диагностика, эпидемиологические исследования, биоинформатика и др.), они не используются для анализа и моделирования причин несоответствий в менеджменте качества продукции.

В этой связи актуальными являются исследования, направленные на создание методов моделирования и автоматизированного анализа причин несоответствий в менеджменте качества продукции (МКП) на основе построения вероятностных моделей — Байесовских сетей, предназначенных для решения таких задач, как диагностика причин, прогнозирование, выбор и/или генерация корректирующих и предупреждающих действий с применением методов теории принятия решений.

Цель и задачи исследования. Цель работы — улучшение качества продукции на основе разработки и применения научно обоснованных методов анализа причин и устранения несоответствий в менеджменте качества продукции.

Для достижения этой цели необходимо решить следующие задачи:

1. Разработать экспертно-статистический метод моделирования и анализа причин несоответствий в МКП на основе применения Байесовской сети.

2. Разработать методы принятия решения по выбору рациональных корректирующих и предупреждающих действий в МКП.

3. Разработать метод оптимизации корректирующих и предупреждающих действий.

4. Разработать программное обеспечение для поддержки принятия решений, моделирования и анализа причин несоответствий в МКП.

5. Провести опытную проверку и внедрение результатов диссертационного исследования.

Объект и предмет исследования. Объектом исследований являются несоответствия продукции и процессов в системе менеджмента качества организации, их причины и последствия. Предмет исследований — методы формализации и моделирования причинно-следственных связей между несоответствиями, их причинами и последствиями.

Методы исследования. Методологической базой диссертационного исследования являются элементы теории вероятностей и теории графов, математический аппарат причинных Байесовских сетей, элементы теории принятия решений в условиях неопределённости, инструменты менеджмента качества, методология анализа корневых причин, методы объектно-ориентированного проектирования и программирования.

Научная новизна работы состоит в следующем.

1. Впервые разработан экспертно-статистический метод моделирования и анализа причин несоответствий в МКП на основе применения Байесовской сети с использованием типовых шаблонов причинно-следственных связей, позволяющий проводить автоматизированный анализ, диагностику и прогнозирование несоответствий и их причин.

2. Разработаны методы принятия решений по выбору корректирующих и предупреждающих действий на основе Байесовской сети (с использованием критериев ожидаемой полезности и вероятностной гарантии и запросов-вмешательств), дающие возможность выбрать наилучшие из них, а также оценить их возможное влияние на несоответствия.

3. Разработан новый метод оптимизации корректирующих и предупреждающих действий на основе критериев ожидаемой полезности и вероятностной гарантии и способа сокращения множества управляемых параметров (с использованием расширенной метрики для измерения причинно-следственного эффекта), позволяющий путем варьирования значениями управляемых параметров Байесовской сетевой модели сгенерировать оптимальное действие.

Практическая ценность работы состоит в следующем.

1. Разработаны рекомендации по улучшению качества выпускаемой продукции, в частности изоляторов электрических соединителей типа СНП-269 на основе применения Байесовской сети для анализа причин дефектов и несоответствий, возникающих при их изготовлении, позволившие снизить долю брака в 1,68 раза.

2. Разработана программная система моделирования и анализа причин несоответствий «Causai Modeler» (на основе предложенных автором методов), позволяющая в автоматизированном режиме проводить диагностику и прогнозирование несоответствий, а также осуществлять поддержку принятия решений по выбору рациональных корректирующих и предупреждающих действий при производстве сложных технических систем в различных отраслях промышленности.

3. Разработана Байесовская сетевая модель процесса создания систем менеджмента качества, дающая возможность в автоматизированном режиме проводить анализ, диагностику и прогнозирование причин несоответствий, возникающих при их внедрении.

4. Результаты исследования были использованы при выполнении научно-исследовательских работ по проекту «Повышение качества и конкурентоспособности продукции; совершенствование систем управления качеством на предприятиях» (Государственный контракт № П770 от 20 мая 2010 г.) в рамках реализации ФЦП «Научные и научно-педагогические кадры инновационной России» на 2009 - 2013 годы.

Апробация работы. Результаты диссертационного исследования были апробированы и внедрены на ОАО «Карачевский завод «Электродеталь», что позволило получить экономический эффект, составивший около 29 300 руб. в год за счет снижения брака при производстве изоляторов электрических соединителей типа СНП-269.

Программная система «Causal Modelen) официально зарегистрирована в Реестре программ для ЭВМ (свидетельство № 2012617420, прил. А), на данную систему получено также свидетельство о регистрации электронного ресурса в фонде «ОФЭР-НиО» (№ 18436, прил. Б).

Работа C.B. Ешина «Анализ и моделирование причин дефектов продукции и процессов с помощью Байесовских сетей» заняла I место в конкурсе на лучшую научную работу молодых ученых и аспирантов вузов Брянской области по естественным, техническим и гуманитарным наукам «Современные научные достижения. Брянск-2011» в номинации «Физика. Математика».

Основные положения и научные результаты диссертационной работы докладывались на 9-ти международных, всероссийских и региональных конференциях, в том числе «Менеджмент качества продукции и услуг» (г. Брянск, 2010); «Актуальные проблемы менеджмента в России. Проблемы развития экономического анализа и бухгалтерского учета в условиях финансового кризиса» (г. Тольятти, 2010); «Энергетика, информатика, инновации-2011» и «Информационные технологии, энергетика и экономика» (г. Смоленск, 2011); «Качество и инновации — основы современных технологий» (г. Новосибирск, 2012) и др.

Диссертация в полном объеме обсуждена и одобрена на заседаниях кафедр «Управление качеством, стандартизация и метрология» ФГБОУ ВПО «Брянский государственный технический университет» (г. Брянск, 2012) и «Управление качеством и сертификация» ФГБОУ ВПО «МАТИ — Российский государственный технологический университет им. К.Э. Циолковского» (г. Москва, 2012).

Публикации. По теме диссертационной работы опубликовано 15 научных работ, в том числе 5 — в рецензируемых журналах и изданиях для опубликования основных научных результатов диссертации.

Структура и объем диссертации. Диссертация состоит из введения, пяти глав, основных результатов и выводов, списка использованной литературы, содержащего 132 наименования и 7 приложений. Работа изложена на 153 страницах, содержит 46 рисунков и 14 таблиц.

Заключение диссертации по теме «Стандартизация и управление качеством продукции», Ешин, Семен Васильевич

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. Разработаны новые методы анализа, моделирования и устранения причин несоответствий продукции на основе применения Байесовских сетей, имеющие существенное значение для развития теории и практики управления качеством на отечественных предприятиях. Применение данных методов при производстве изоляторов электрических соединителей типа СНП-269 позволило снизить долю брака в 1,68 раза.

2. Экспертно-статистический метод моделирования и анализа причин несоответствий в менеджменте качества продукции на основе применения Байесовской сети с использованием типовых шаблонов причинно-следственных связей позволяет проводить автоматизированный анализ, диагностику и прогнозирование несоответствий и их причин при производстве сложных технических систем в различных отраслях промышленности.

3. Методы принятия решений по выбору корректирующих и предупреждающих действий на основе Байесовской сети с использованием критериев ожидаемой полезности и вероятностной гарантии и запросов-вмешательств дают возможность выбрать наилучшие из них, а также оценить их возможное влияние на несоответствия продукции.

4. Метод оптимизации корректирующих и предупреждающих действий на основе критериев ожидаемой полезности и вероятностной гарантии и способа сокращения множества управляемых параметров позволяет путем варьирования значениями управляемых параметров Байесовской сетевой модели сгенерировать оптимальное действие.

5. Разработана Байесовская сетевая модель процесса создания систем менеджмента качества, дающая возможность в автоматизированном режиме проводить анализ, диагностику и прогнозирование причин несоответствий, возникающих при их внедрении.

6. Разработана программная система моделирования и анализа причин несоответствий «Causal Modeler», в которой реализованы предложенные автором методы и которая позволяет в автоматизированном режиме проводить диагностику и про

140 гнозирование несоответствий, а также обосновывать принятие решений по выбору рациональных корректирующих и предупреждающих действий. Система «Causal Modeler» зарегистрирована в Реестре программ для ЭВМ (свидетельство № 2012617420), на данную систему также получено свидетельство о регистрации электронного ресурса в фонде «ОФЭРНиО» (№ 18436).

7. Результаты диссертационного исследования были апробированы и внедрены на ОАО «Карачевский завод «Электродеталь». Экономия от снижения брака при производстве изоляторов электрических соединителей типа СНП-269 составила около 29 300 руб. в год. Ожидаемый экономический эффект от внедрения результатов исследований для всех типов продукции составит свыше 500 тыс. руб. в год.

Список литературы диссертационного исследования кандидат технических наук Ешин, Семен Васильевич, 2012 год

1. Александровская, JI.H. Современные методы обеспечения безотказности сложных технических систем: учебник / JI.H. Александровская, А.П. Афанасьев, A.A. Лисов. М.: Логос, 2001. - 208 с.

2. Антология русского качества / Сост. Б.В. Бойцов, Ю. В. Крянев, М.А. Кузнецов, В.Н. Азаров, Т.П. Павлова, В.Ю. Крянев; под ред. Б.В. Бойцова, Ю.В. Кря-нева. - М.: Стандарты и качество, 2000. - 432 с.

3. Аскаров, Е.С. Причина и следствие в теории достижения нормативного качества / Е.С. Аскаров // Методы менеджмента качества. 2010. - №5. - С.34-38.

4. Барабанова, O.A. Семь инструментов контроля качества / O.A. Барабанова, В.А. Васильев, С.А. Одиноков. М.: ИЦ «МАТИ» - РГТУ им. К.Э. Циолковского, 2003.-75 С.

5. Барабанова, O.A. Семь инструментов управления качеством. Бенчмаркинг. Развертывание функции качества / O.A. Барабанова, В.А. Васильев, П.В. Москалев. М.: ИЦ «МАТИ» - РГТУ им. К.Э. Циолковского, 2003. - 43 С.

6. Балукова, M.B. 8D и «Шесть сигм» на саратовских предприятиях / М.В. Балу-кова // Методы менеджмента качества. 2006. - №2. - С.50-52.

7. Биргер, И.А. Техническая диагностика / И.А. Биргер. М.: Машиностроение, 1978.-240 с.

8. Васильев, В.А. Выбор методов принятия оптимальных решений по управлению потенциальными несоответствиями в условиях неопределенности / В.А. Васильев, К.В. Лехт, Е.Б. Бобрышев // Технология легких сплавов. 2010. -№3. - С. 95-101.

9. Васильев, В.А. Методика выявления и предупреждения несоотвествий в вали-дируемых процессах литейного производства / В.А. Васильев, Е.Б. Бобрышев // Технология машиностроения. 2010. - №12. - С. 58-64.

10. Всеобщее управление качеством: учебник для вузов / О. П. Глудкин, Н. М. Горбунов, А. И. Гуров, Ю. В. Зорин; под ред. О. П. Глудкина. М.: Радио и связь, 1999.-600 с.

11. Гараедаги, Дж. Системное мышление: как управлять хаосом и сложными процессами: Платформа для моделирования архитектуры бизнеса / Дж. Гараедаги; пер. с англ. Е.И. Недбальской; науч. ред. Е.В. Кузнецова. Минск: Гревцов Букс, 2010.-480 с.

12. Глазунов, A.B. Если невозможно установить точную причину несоответствий / A.B. Глазунов // Методы менеджмента качества. 2002. - №1. - С.41.

13. Голдрат, Э. Цель. Процесс непрерывного совершенствования = The Goal: А Process of Ongoing Improvement / Элияху M. Голдрат, Джефф Кокс. Минск: Попурри, 2009. — 496 с.

14. Голдрат, Э. Цель. Процесс непрерывного улучшения. Цель-2. Дело не в везенье = It's Not About Luck / Элия M. Голдратт, Джефф Кокс. — М.: Манн, Иванов и Фербер, 2011. —280 с.

15. Горленко, O.A. Создание систем менеджмента качества в организациях: монография / O.A. Горленко, В.В. Мирошников. М.: Машиностроение-1,2002. - 126 с.

16. Городецкий, В.И. Алгебраические байесовские сети новая парадигма экспертных систем / В.И. Городецкий // Юбилейный сборник трудов институтов Отделения информатики, вычислительной техники и автоматизации РАН. - Т. 2.-М.: РАН, 1993.-С. 120-141.

17. ГОСТ 27.310-95. Надежность в технике. Анализ видов, последствий и критичности отказов. Основные положения.

18. ГОСТ Р 51814.2-2001. Системы качества в автомобилестроении. Метод анализа видов и последствий потенциальных дефектов.

19. Гусев, Б.Н. Развитие концепции диагностирования объектов прядильного производства / Б.Н. Гусев // Изв. вузов. Технология текстильной промышленности. 1997. - №4. - С.33-36.

20. Деминг, Э. Выход из кризиса: Новая парадигма управления людьми, системами и процессами / Э. Деминг; пер. с англ. М.: Альпина Бизнес Букс, 2007. - 370 с.

21. Детмер, У. Теория ограничений Голдратта. Системный подход к непрерывному совершенствованию / У. Детмер. М.: Альпина Паблишер, 2010. - 422 с.

22. Егоров, A.M. Аналитические методы анализа влияния факторов на качество продукции / A.M. Егоров // Методы менеджмента качества. 2008. -№12. - С.32-33.

23. Егоров, A.M. Графические методы анализа влияния факторов на качество продукции / A.M. Егоров // Методы менеджмента качества. 2008. -№11.- С.42-43.

24. Исикава, К. Японские методы управления качеством / К. Исикава. М.: Экономика, 1988.- 199 с.

25. Кане, М.М. Системы, методы и инструменты менеджмента качества: учебное пособие / М.М. Кане, Б.В. Иванов, В.Н. Корешков, А.Г. Схиртладзе. -СПб. Литер, 2008. 560 с.

26. Кузнецов, JI.A. Автоматизация методики анализа причин брака / Д.А. Кузнецов,

27. Н. Дорин // Методы менеджмента качества. 2011. - №2. - С.46-53.

28. Кузнецов, JI.A. Анализ невыполнения требований многомерного качества / JI.A. Кузнецов // Методы менеджмента качества. 2008. - №6. - С.41-49.

29. Кузнецов, JI.A. Применение методов проверки гипотез для выявления причин снижения качества / J1.A. Кузнецов // Методы менеджмента качества. — 2011.— №1. С.42-46.

30. Кузнецов, Л.А. Функции когерентности для выявления причин снижения качества / Л. А. Кузнецов // Методы менеджмента качества. 2011. - № 5 . - С. 46-50.

31. Кузьмин, А.М. Методика Кепнера-Трего / А.М. Кузьмин, Е.А. Высоковская // Методы менеджмента качества. 2011. - №7. - С. 35.

32. Математические модели организаций: учебное пособие / А.А. Воронин, М.В. Губко, С.П. Мишин, Д.А. Новиков. М.: ЛЕНАНД, 2008. - 360 с.

33. Машиностроение. Энциклопедия. Надежность машин. T.IV-3 / В.В. Клюев, В.В. Болотин, Ф.Р. Соснин и др.; под общ. ред. В.В. Клюева. М.: Машиностроение, 2003.-592 с.

34. Михайлова, М.Р. Техника поуровневого поиска первопричин проблем качества / М.Р. Михайлова, Н.С. Поздеева // Методы менеджмента качества. 2002. -№1. - С.11-13.

35. Мишин, В.М. Управление качеством: учебник для студентов вузов, обучающихся по специальности «Менеджмент организации» (061100) / В.М. Мишин -2-е изд. перераб. и доп. М.: ЮНИТИ-ДАНА, 2005. - 463 с.

36. Московское отделение Project Management Institute. Официальный сайт Электронный ресурс. Режим доступа: http://pmi.ru.

37. Нейман, Д. Теория игр и экономическое поведение / Д. Нейман, О. Морген-штерн. М.: Наука, 1970. - 707 с.

38. Новиков, Д.А. Теория управления организационными системами / Д.А. Новиков. М.: МПСИ, 2005. - 584 с.

39. О'Коннор, Дж. Искусство системного мышления: необходимые знания о системах и творческом подходе к решению проблем / Дж. О'Коннор, И. Макдер-мотт. М.: Альпина Бизнес Букс, 2006. - 256 с.

40. Панкина, Г.В. Научные основы подтверждения соответствия как способа обеспечения безопасности машинотехнической продукции: автореф. дис. . д-ра техн. наук: Спец. 05.02.23 / Панкина Г.В. — «МАТИ» РГТУ им. К. Э. Циолковского. — М., 2002. — 35 с.

41. Панов, А.Н. Как победить в конкурентной борьбе. Гармоничная система качества — основа эффективного менеджмента / А.Н. Панов. М.: РИА «Стандарты и качество», 2003. - 272 с.

42. Подвесовский, А.Г. Применение байесовых сетей в задачах анализа и прогнозирования спроса / А.Г. Подвесовский, С.В. Ешин // Вестник Брянского государственного технического университета, 2011. №1(29). - С. 61-70.

43. Рассел, С. Искусственный интеллект: современный подход (AIMA): пер. с англ. / С. Рассел, П. Норвиг. 2-е изд. - М.: Вильяме, 2005. - 1424 с.

44. Рейхенбах, Г. Направление времени / Г. Рейхенбах; пер. с англ. Изд. 2-е. - М.: Едиториал УРСС, 2003. - 360 с.

45. Розен, В.В. Математические модели принятия решений в экономике: учебное пособие / В.В. Розен. М.: Книжный дом «Университет», Высшая школа, 2002. - 288 с.

46. Руководство к своду знаний по управлению проектами (Руководство РМВОК). 4-е изд. - Newtown Square: Project management Institute (PMI), 2008. - 463 c.

47. Смирнов, Г.А. Оккам Уильям. / Г.А. Смирнов // Новая философская энциклопедия: в 4 т. / Ин-т философии РАН; Нац. обществ.-науч. фонд; Преде, научно-ред. совета B.C. Степин. М.: Мысль, 2000-2001. - Режим доступа: http://iph.ras.ni/elib/2167.html.

48. Статистические методы повышения качества: пер. с англ. / Под ред. X. Кумэ. М.: Финансы и статистика, 1990. - 304 с.

49. Строителев В.Н. Статистические методы в управлении качеством: учебное пособие / В.Н. Строителев. М.: РГУИТП, 2007. - 226 с.

50. Терехов, С. Введение в байесовы сети / С. Терехов // Лекции по нейроинформа-тике. -М.: МИФИ, 2003. 4.1. - С. 149-187.

51. Тулупьев, А.Л. Байесовские сети: логико-вероятностный подход / А. Л. Тулупь-ев, С.И. Николенко, A.B. Сироткин. СПб.: Наука, 2006. - 607 с.

52. Фефелов, A.A. Использование байесовских сетей для решения задачи поиска места и типа отказа сложной технической системы / A.A. Фефелов // Автоматика, автоматизация, электротехнические комплексы и системы. 2007. - №2 (20). - С. 87-93.

53. Хейс, Д. Причинный анализ в статистических исследованиях / Д. Хейс. М.: Финансы и статистика, 1981. - 255 с.

54. Червяков, И.В. Использование методов технической диагностики для поиска причин несоответствий / И.В. Червяков // Методы менеджмента качества. -2009.-№4.-С. 40-43.

55. Шамшев, А.Б. Автоматизированное топологическое проектирование вычислительных сетей на основе байесовских сетей доверия / А.Б. Шамшев // Дис. . канд. техн. наук: 05.13.12. Ульяновск: УГТУ, 2000. - 279 с.

56. Шичков, H.A. Методы разработки, внедрения на предприятии и подготовки ксертификации Системы Менеджмента Качества на основе МС ИСО 9001:2000: учебное пособие / Н.А. Шичков- СПб: Учебно-методический центр «Регистр-Консалтинг», 2004. 68 с.

57. Шрагенхайм, Э. Управленческие дилеммы: теория ограничений в действии / Эли Шрагенхайм; пер. с англ. — М.: Альпина Бизнес Букс, 2007. — 288 с.

58. Электрические соединители: каталог. Карачев: Завод «Электродеталь», 2011.- 182 с.67. «Семь инструментов качества» в японской экономике. М.: Издательство стандартов, 1990. - 88 с.

59. Alglib. Кроссплатформенная библиотека для проведения математического и числового анализа и обработки данных // Официальные сайт проекта Alglib. -Режим доступа: http://www.alglib.net.

60. Andersen, В. Root cause analysis: simplified tools and techniques / B. Andersen, T. Fagerhaug. American Society for Quality, Quality Press, 2006. - 240 p.

61. Bareinboim, E. Local Characterizations of Causal Bayesian Networks / E. Barein-boim, C. Brito, J. Pearl // Proceedings of the 2nd International IJCAI Workshop on Graph Structures for Knowledge Representation and Reasoning (GKR 2011), 2011.-P.6-11.

62. Beaver, J. A life cycle software quality model using Bayesian belief networks / J. Beaver. Ph.D. dissertation, Orlando: University of Central Florida. - 2006. - 301 p.

63. Cartwright, N. Nature's Capacities and Their Measurements / N. Cartwright. Oxford University Press, 1994. - 280 p.

64. Cooper, G.F. Computational Complexity of Probabilistic Inference using Bayesian Belief Networks / G.F. Cooper // Artificial Intelligence, 1990. -№42(2).-P. 393-405.

65. Cox, D.R. Causality: Some Statistical Aspects / D.R. Cox // Journal of the Royal Statistical Society. Series A (Statistics in Society), 1992. Vol. 155, №2. - P. 291-301. - Режим доступа: http://yaroslavvb.com/papers/fisher.pdf.

66. Darwiche, A. Modeling and Reasoning with Bayesian Networks / A. Darwiche. -Cambridge University Press, 2009. 526 p.

67. Davis, G. Bayesian reconstruction of traffic accidents / G. Davis // Law, Probability and Risk, 2003. №2. - P. 69-89.

68. Dawid, A. Influence diagrams for causal modeling and inference / A. Dawid // International Statistical Review, 2002. №70. - P. 161-189.

69. De Campos, Bayesian networks and information retrieval: an introduction to the special issue / L.M. Luis M. de Campos, Juan M. Fernández-Luna, Juan F. Huete // Information Processing & Management. Elsevier, 2004. - №40. - P. 727-733.

70. Diez, F.J. DIA VAL, a Bayesian expert system for echocardiography / F.J. Diez, J. Mira, E. Iturralde, S. Zubillaga Artificial Intelligence in Medicine, Elsevier Science B.V, 1997. -№10 (1). P. 59-73.

71. Eells, E. Probabilistic causality and the question of transitivity / E. Eells, E. Sober // Philosophy of Science. 1983. -№50. -P.35-57.

72. Ericson, C. Fault Tree analysis A History / C. Ericson // Proceedings of the 17th International System Safety Conference, 1999. - P. 1-9.

73. Failure Modes and Effects Analysis (FMEA) Электронный ресурс. / American Society for Quality. Режим доступа: http://asq.org/learn-about-quality/process-analysis-tools/overview/fmea.html.

74. Fenton, N. Using Bayesian networks to predict software defects and reliability // N. Fenton, M. Neil, D. Márquez // Proceedings of the Institution of Mechanical Engineers, Risk and Reliability, 2008. Vol. 222. - P. 701-712.

75. Friedman, N. Using Bayesian Networks to Analyze Expression Data / N. Friedman, M. Linial, I. Nachman, D. Pe'er // Journal of Computational Biology. -NY: Mary Ann Liebert, Inc., 2000. №7 (3/4). - P. 601-620.

76. Good, I.J. A causal calculus (II) / I.J. Good // British Journal for the Philosophy of Science. 1961.-№11.-P.305-318.

77. Good, I.J. The amalgamation and geometry of two-by-two contingency tables / I.J. Good, Y. Mittal // Ann. of St, 1987. Vol. 15, №2. - P. 697-711.

78. Heckerman, D. A Tutorial on Learning With Bayesian Networks. Technical Report MSR-TR-95-06 / D. Heckerman. Redmond, WA: Microsoft Research, Advanced Technology Division, Microsoft Corporation, 1995. - 58 P.

79. Heckerman, D. Decision-theoretic foundations for causal reasoning / D. Heckerman, R. Shachter // Journal of Artificial Intelligence Research, 1995. №3. - P. 405-430.

80. Hitchcock, C. Probabilistic Causation / C. Hitchcock // The Stanford Encyclopedia of Philosophy, Edward N. Zalta (ed.). 2010. - Режим доступа: http://plato.stanford.edu/archives/fall2010/entries/causation-probabilistic.

81. ITIL. Service Operation. London: TSO, 2007. - 250 p.

82. Juran, J.M. Juran's quality handbook / J.M. Juran, A. Blanton Godfrey. 5th Ed. -McGraw-Hill, New York, 1998. - 1730 p.

83. Kepner, C. The New Rational Manager / C. Kepner, B. Tregoe. New Jersey: Princeton Research Press, 1981. - 254 p.

84. Kim, D. Bayesian Belief Network-based Advisory System Development for Steam Generator Replacement Project Management / D. Kim. Ph. D. dissertation, Massachusetts: MIT. - 2002. - 194 p.

85. Kjaerulff, U. Bayesian Networks and Influence Diagrams. A Guide to Construction and Analysis / Uffe B. Kjaerulff, Anders L. Madsen. New York: Springer, 2008. - 303 p.

86. Koller, D. Probabilistic Graphical Models: Principles and Techniques / D. Koller, N. Friedman. Cambridge, London: MIT Press, 2009. - 1207 p.

87. Launch Control Safety Study / H.A. Watson // Section VII Vol 1. Bell Labs, NJ, Murray Hill, 1961.

88. Lauritzen, S. Graphical models for causal inference. / S. Lauritzen, D. Cox, O. Barndorff-Nielsen, C. Kluppelberg // Complex Stochastic Systems. London/Boca Raton: Chapman and Hall, CRC Press, 2000. - P. 67-112.

89. Long, A. Beauty and the Beast -Use and Abuse of Fault Tree as a Tool Электронный ресурс. / A. Long. 10 p. - Режим доступа: http://www.fault-tree.net/papers/long-beauty-and-beast.pdf.

90. Meek, C. Causal inference and causal explanation with background knowledge / C. Meek // Proceedings of the 11th Annual Conference on Uncertainty in Artificial Intelligence (UAI-95). San Francisco: Morgan Kaufmann, 1995. - P. 403-441.

91. Mellor, D.H. The Facts of Causation / D.H. Mellor. Routledge, 1995.-251 p.

92. Murphy, К. Software Packages for Graphical Models. Bayesian Networks Электронный ресурс. / К. Murphy. University of British Columbia. - Режим доступа: http://www.cs.ubc.ca/~murphyk/Bayes/bnsoft.html.

93. Neil, M. Building large-scale Bayesian networks / M. Neil, N. Fenton, L. Nielson // Journal The Knowledge Engineering Review. 2000. - Volume 15 Issue 3. -P. 257-284.

94. Neil, M. Predicting software quality using Bayesian belief networks / M. Neil, N.E. Fenton // Proceedings of the 21st Annual Software Eng. Workshop. NASA God-dard Space Flight Centre, 1996. - P. 217-230.

95. Ohno, T. Toyota production system: beyond larger-scale production / T. Ohno, foreword: N. Bodek. Portland, OR: Productivity Press, 1988. - 152 p.

96. Pearl, J. A Probabilistic Calculus of Actions / J. Pearl // Proceedings of the 10th Conference on Uncertainty in Artificial Intelligence (UAI-94). Morgan Kaufman, San Mateo, CA, 1994 - P. 454^162.

97. Pearl, J. Causal inference in statistics: An overview / J. Pearl // Statistics Surveys, 2009.-Vol.3.-P. 96-146.

98. Pearl, J. Comments on Seeing and Doing / J. Pearl // International Statistical Review, 2001. 70(2). - P. 207-209. Режим доступа: http://ftp.cs.ucla.edu/pub/ statser/r283a.pdf.

99. Pearl, J. Do-Calculus Revisited Электронный ресурс. / J. Pearl // UCLA Cognitive Systems Laboratory, Technical Report (R-402), 2012. Режим доступа: http://flp.cs.ucla.edu/pub/statser/r402.pdf.

100. Pearl, J. Fusion, Propagation and Structuring in Belief Networks / J. Pearl. Artificial Intelligence, 1986. - Vol. 29, №3. - P. 241-288.

101. Pearl, J. Graphs, Causality, and Structural Equation Models / J. Pearl // Sociological Methods & Research. Sage Publication, 1998. - Vol. 25, № 2. - P. 226-284.

102. Pearl, J. Probabilistic Reasoning in Intelligent Systems / J. Pearl. San Francisco: Morgan Kaufmann, 1988. - 520 p.

103. Pearl, J. Reasoning with cause and effect / J. Pearl // AI Magazine. American Association for Artificial Intelligence (AAAI), 2002. - Volume 23, Number 1. - P. 95-111.

104. Pearl, J. The Mathematics of Causal Inference in Statistics / J. Pearl // JSM Proceedings of the American Statistical Association. American Statistical Association (ASA), 2007.-P. 19-26.

105. Pearl, J. Causality: Models, Reasoning and Inference / J. Pearl. Cambridge University Press. - 2-nd edition, 2009. - 464 p.

106. Rambaud, L. 8D Structured Problem Solving: A Guide to Creating High Quality 8D Reports / L. Rambaud. PHRED Solutions, 2006. - 148 p.

107. Reliability Engineer Certification Body of Knowledge Brochure / American Society for Quality. Режим доступа: http://asq.org/pdf/certification/inserts/cre-insert-2009.pdf.

108. Selection and use of the ISO 9000 family of standards Электронный ресурс. -Режим доступа: http://www.iso.org/iso/iso9000selectionanduse-2009.pdf.

109. Shoham, Y. Reasoning About Change: Time and Causation from the Standpoint of Artificial Intelligence / Y. Shoham. The MIT Press, 1987. - 200 p.

110. Skyrms, B. Causal Necessity: Pragmatic Investigation of the Necessity of Laws / B. Skyrms. Yale University Press, 1980. -176 p.

111. SMILE reasoning engine for graphical probabilistic model // Decision Systems Laboratory (DSL), University of Pittsburgh. Режим доступа: http://genie.sis.pitt.edu.

112. Smith, G.F. Quality Problem Solving / G.F. Smith. American Society for Quality, Quality Press, 1998. - 325 p.

113. Sperber, W.H. Happy 50th Birthday to HACCP: Retrospective and Prospective / W.H. Sperber, R.F. Stier //FoodSafety magazine. 2009. - Dec.2009; Jan.2010. -P.42, 44-46.

114. Spirtes, P. Causation, Prediction, and Search / P. Spirtes, C. Glymour, R. Scheines. -New York: Springer-Verlag, 1993. 565 p.

115. Suppes, P. A Probabilistic Theory of Causality / P. Suppes. Amsterdam: North Holland Pub. Co, 1970.- 130 p.

116. Tague, N.R. Quality Toolbox / N.R. Tague. 2nd Ed. - American Society for Quality, Quality Press, 2005. - 558 p.

117. The DMAIC Methodology Электронный ресурс. / American Society for Quality.

118. Режим доступа: http://asq.org/learn-about-quality/six-sigma/overview/dmaic.html.

119. Tian, J. A New Characterization of the Experimental Implications of Causal Bayesian Networks / J. Tian, J. Pearl // Proceedings of the 8th National Conference on Artificial Intelligence. AAAI Press, The MIT Press: CA, Menlo Park, 2002. - P. 574-579.

120. Tversky, A. Causal schemas in judgments under uncertainty / A. Tversky, D. Kahneman // Progress in Social Psychology. Hillsdale, NJ,1980. - P. 49-72.

121. Verma, T. Equivalence and synthesis of causal models / T. Verma, J. Pearl // Proceedings of the Sixth Conference on Uncertainty in Artificial Intelligence. Cambridge, MA, 1990. - P. 220-227.

122. Wang, H. Software project level estimation model framework based on Bayesian belief networks / H. Wang, F. Peng, C. Zhang, A. Pietschker // 6th International Conference on Quality Software (QSIC'06). Beijing, 2006. - P. 209-218.

123. Wingraphviz. Страница проекта визуализации графов на sourceforge.net // Sourceforge.net. Режим доступа: http://wingraphviz.sourceforge.net/wingraphviz.

124. Wright, S. Correlation and causation / S. Wright // Journal of Agricultural Research. 1921. - №20. - PP. 557-585.